Genie 4, modèle de monde : fonctionnalités, capacités et accès

Le point clé à retenir de cette version, c'est l'audio : Genie 4 est le premier modèle de monde temps réel de DeepMind à générer du son nativement, y compris des dialogues interactifs qui réagissent à vos actions. C'est plus important qu'il n'y paraît : une simulation silencieuse reste une visualisation, tandis qu'avec ambiance sonore et personnages qui parlent, on se rapproche d'un environnement d'entraînement pour agents et robots.

Fonctionnalités clés de Genie 4

DeepMind regroupe la sortie autour de quatre capacités, avec une cinquième émanant de ses travaux en robotique. Voici ce que cela permet concrètement de faire.

Piloter un monde pendant qu'il tourne

Vous modifiez une simulation en direct par texte : changer la météo, bouger la caméra, ajouter une personne ou un objet. Gemini adapte votre invite à ce qui est déjà à l'écran, pour que le nouvel élément s'intègre au style et à la géométrie de la scène, au lieu d'être plaqué par-dessus.

Entre vos entrées, Gemini continue de surveiller et de piloter pour que le monde progresse de lui-même. Cette combinaison — navigation clavier plus édition en langage naturel — différencie Genie 4 d'un modèle texte-vers-vidéo où votre seul contrôle est l'invite de départ.

Physique et mouvement humain

Genie 4 simule l'aérodynamique, les collisions et d'autres comportements physiques, fondés sur ce que DeepMind appelle une compréhension physique avancée du monde. Les invites de démo poussent volontairement ces limites, d'une pastèque brillante sur un socle en pierre avec des gouttelettes en slow motion à un plan macro d'une samare d'érable tombant dans l'herbe.

Selon DeepMind, le saut le plus marquant concerne les personnes. Les personnages se meuvent naturellement, répondent à leur environnement et peuvent être pilotés de façon interactive pendant la lecture de la scène — le point qui posait le plus de difficultés aux modèles de monde précédents.

Audio natif et dialogues interactifs

Chaque monde Genie 4 embarque l'ambiance sonore qui lui est propre : vent dans les arbres, vagues sur la plage, et musique quand la scène s'y prête. Les invites de démo spécifient l'audio avec autant de précision que les visuels, jusqu'à : "pas de musique de fond au-delà des instruments physiquement présents dans la scène".

La parole est l'affirmation la plus ambitieuse. Les personnages conversent et réagissent à vos actions et aux événements en temps réel, ce qui rend l'outil utile pour la prévisualisation de dialogues ou l'entraînement d'agents. Prenez toutefois l'audio des démos comme un plafond, pas un plancher : DeepMind indique que la justesse de l'audio temps réel reste un chantier actif.

Événements multiétapes planifiés par Gemini

Gemini 3.8 Flash tourne en boucle comme agent de guidage pendant que Genie 4 rend la scène. Il décompose un objectif en une séquence d'étapes, analyse les images entrantes pour vérifier la réussite de chaque étape, et réécrit son plan quand le monde évolue ou que vous intervenez.

Cette boucle donne à la scène une causalité fiable et des comportements procéduraux, au-delà d'un simple "défilement esthétique". C'est aussi l'élément le plus différenciateur sur le plan technique : la simulation est supervisée par un modèle de raisonnement, plutôt que laissée en boucle ouverte.

Génération de scénarios robotiques avec Gemini 4 Argon

DeepMind associe Genie 4 à Gemini 4 Argon et à Gemini Robotics. Argon décompose une tâche donnée par l'utilisateur en étapes, intégrées dans Genie 4 sous forme de légendes textuelles pendant le rendu, pour que le monde s'adapte au fil de la tâche. L'exemple publié met en scène l'humanoïde Apollo d'Apptronik jouant aux dames.

Pour les équipes robotique, l'intérêt est de générer un large éventail de scénarios sans construire chaque environnement à la main. Le bémol : ce sont des mondes imaginés, et rien dans l'annonce ne quantifie la façon dont un comportement appris dans une scène Genie 4 se transfère sur du matériel réel.

Comment Genie 4 se comporte-t-il sur les benchmarks ?

Il ne s'y comporte pas — en tout cas pas publiquement. L'annonce de Google ne contient ni tableau de référence, ni scores, ni comparaison avec d'autres modèles de monde, et au 28 octobre 2026, aucune revue tierce, évaluation indépendante ou reproduction de benchmark pour Genie 4 n'apparaissait dans la couverture disponible. Chaque affirmation de capacité ci-dessous renvoie aux démos et aux testeurs de DeepMind.

Ce que Google a publié à la place de scores

Les preuves sont des enregistrements d'interactions en temps réel, où les utilisateurs naviguent au clavier et tapent des invites pour faire évoluer la scène. Le post de DeepMind sur X, vu 276,9 k fois au moment d'écrire ces lignes, met en avant cinq points : photoréalisme via Gemini Omni, physique avancée, contrôles en temps réel, audio natif et raisonnement Gemini pour la cohérence multiétapes.

Des bobines de démo restent des prises sélectionnées : à lire comme une borne haute. Les invites elles-mêmes valent l'œil : longues, séparées en sections environnement et personnages, et truffées de contraintes négatives comme "pas d'aspect CGI" et "pas de plates-formes vides".

Ce que les testeurs de confiance ont rapporté

DeepMind a fait tourner des cohortes dans les industries créatives, le journalisme, l'éducation, le jeu et l'ingénierie avant la préversion. Quatre cas d'usage ressortent, suffisamment concrets pour être utiles :

• Direction créative : des cinéastes entrent dans une simulation en direct d'une scène et enchaînent plusieurs prises en temps réel, en ajustant caméra, lumière, dialogues et action.
• Scénarios historiques et photos immersives : des photojournalistes transforment une unique photo d'archives 2D en simulation ancrée de cet environnement en quelques secondes, ou visualisent le déroulé d'une crue subite ou d'un incendie.
• Conception d'expériences interactives : des développeurs de jeux passent de l'idée à un prototype explorable avant d'écrire la moindre ligne de code moteur.
• Simulation : des partenaires entreprise l'évaluent pour générer rapidement des scénarios "zéro à un" hors robotique.

Le mot qui revient dans ces retours est "mode brouillon", et c'est à mon sens le bon positionnement pour cette version.

Où Genie 4 se dégrade

DeepMind décrit de façon inhabituelle ses modes d'échec, ce qui est appréciable. Les détails visuels et la permanence des objets dérivent avec la durée d'une session, après plusieurs éditions d'invites complexes, ou quand on se déplace dans une scène.

Les problèmes ouverts cités sont : interactions physiques complexes, justesse de l'audio temps réel, rendu de texte lisible, précision spatiale et cohérence à long terme. Ce dernier point est la vraie limite : si un monde ne maintient pas ses objets en place sur une longue session, on prototype avec, on ne tourne pas avec.

La trajectoire : des modèles de monde hybrides

La prochaine étape annoncée par DeepMind, ce sont des modèles hybrides, combinant le raisonnement structuré du code et des modèles de langage avec la simulation au niveau des pixels. Gemini cartographie la structure et planifie la chronologie, tandis que Genie rend l'apparence, le son et la réactivité du monde.

La boucle Gemini 3.8 Flash de cette version en est la première ébauche. Si cela tient, cela répond exactement au mode d'échec reconnu par DeepMind : la cohérence sur de longues sessions, qu'aucune fidélité de pixels ne suffit à corriger seule.

Tarification et disponibilité de Genie 4

Genie 4 n'a aucune tarification publiée. Google n'a annoncé ni coûts par jeton ni par session, n'a pas fourni d'identifiant de modèle d'API et n'a pas fixé de date de disponibilité générale. C'est une préversion de recherche.

Le déploiement est progressif : testeurs de confiance aujourd'hui, abonnés Google AI Ultra via Project Genie ensuite, puis partenaires en accès anticipé via l'API Gemini et Google AI Studio. La liste d'attente de Project Genie est ouverte à tous.

Pour situer les prix de Google à la frontière par ailleurs, Gemini 4 Argon est proposé à 2 $ par million de jetons en entrée et 10 $ par million de jetons en sortie jusqu'au 30 novembre 2026, puis 4 $ et 20 $ à partir du 1er décembre. Rien de tout cela n'indique le coût d'une session interactive de modèle de monde, et Google n'a rien précisé.

Sur les plateformes tierces, Genie 4 n'est pas listé sur OpenRouter et n'apparaît pas dans le catalogue OpenCode (models.dev) au 28 octobre 2026. Chaque image vidéo et chaque seconde d'audio produit porte SynthID, le filigrane imperceptible de Google, et DeepMind a mené des évaluations internes de sécurité avant l'ouverture de la préversion.

Le filtrage à l'entrée agace les utilisateurs. Dans les réponses au fil de lancement sur X de DeepMind, la plainte principale est que Genie 3 n'était toujours pas arrivé chez tous les abonnés Pro un an après, ce qui se comprend quand la nouvelle génération arrive derrière une nouvelle liste d'attente.

Comment obtenir l'accès à Genie 4 ?

Il y a aujourd'hui trois portes d'entrée vers Genie 4, et Google en contrôle deux :

• Cohortes de testeurs de confiance : fermées, c'est le groupe dont DeepMind a recueilli les retours dans le journalisme, le jeu, l'éducation et l'ingénierie.
• Project Genie pour les abonnés Google AI Ultra : à venir, avec une liste d'attente publique à rejoindre dès aujourd'hui.
• API Gemini et Google AI Studio : partenaires en accès anticipé uniquement, sans identifiant de modèle publié.

Inutile de deviner une chaîne d'API. Google n'a pas publié d'ID de modèle Genie 4, et déduire un identifiant du nom marketing est la meilleure façon d'obtenir une 404 dans votre client : aucun extrait de code pertinent à partager pour l'instant.

Ce que vous pouvez faire en attendant l'accès, c'est apprendre le format d'invite, car il n'est pas anodin. Les démos séparent une invite d'environnement d'une invite de personnage, spécifient explicitement le comportement de la caméra et énumèrent des contraintes négatives à la fin ("pas de vue à la troisième personne", "pas de caméra drone", "pas d'esthétique rendu 3D"). Le guide des invites de Genie de DeepMind est le meilleur point de départ, et notre analyse de Gemini 4 Argon couvre le modèle qui planifie ces scènes en coulisses.

Comment les invites Genie 4 sont vraiment structurées

Les invites de démo suivent un schéma à copier : une invite d'environnement qui fixe le décor, une invite de personnage séparée qui fixe le sujet et la relation caméra, puis un bloc de contraintes négatives. Une démo de montgolfière spécifie une vue à la première personne depuis l'intérieur d'une nacelle en osier, avec le bord gainé de cuir à droite du cadre, avant de décrire la calotte glaciaire antarctique en contrebas.

Les contraintes négatives font l'essentiel du travail. Les invites écartent régulièrement un look jeu vidéo, les caméras drone, les plans épaules et les plates-formes vides : signe que ce sont les défauts vers lesquels Genie 4 revient si l'invite laisse de la marge.

Conclusion

Genie 4 confirme que, pour DeepMind, la simulation — pas seulement le texte — est une voie vers l'AGI, et l'entreprise y consacre des ressources de pointe. Le même mois où OpenAI a orienté GPT-6.1 Terra vers des tâches de bureau bon marché et à grande échelle, Google a livré un vaisseau amiral pour les agents avec Gemini 4 Argon et un modèle de monde qui alimente sa recherche robotique.

Faut-il basculer ? Il n'y a rien sur quoi basculer : pas de prix, pas d'ID de modèle, pas d'API pour le reste d'entre nous. Si vous travaillez en prévisualisation, prototypage de jeu ou simulation robotique, inscrivez-vous sur la liste d'attente de Project Genie et visez une qualité de brouillon, exactement là où les testeurs de DeepMind la placent.

Pour vous mettre à niveau sur les modèles Gemini qui assurent le raisonnement derrière Genie 4, nous vous recommandons de commencer par notre parcours de compétences AI Fundamentals.